استفاده از الگوریتم های شبکه عصبی ، عصبی فازی و گارچ در پیش بینی مصرف برق ایران
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده صنایع
- نویسنده ندا انوریان
- استاد راهنما ابراهیم شریفی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
در این پایان نامه یک الگوریتم انعطاف پذیر از روشهای سیستم استنتاج فازی مبتنی بر شبکه های یادگیرنده، شبکه های عصبی، تعمیم اتورگرسیو مشروط واریانس متغیروتحلیل واریانس برای بهبود مدلسازی، تخمین و پیش بینی مصارف کوتاه مدت و میان مدت (روزانه و ماهانه) برق در ایران ارائه شده است. این الگوریتم انعطاف پذیر بین روشهای مختلف مورد استفاده، روش با کمترین خطای نسبی را برای انجام پیش بینی استفاده می کند. ساختارهای مختلفی از شبکه های عصبی مورد آزمون قرار گرفته اند تا بهترین آنها انتخاب شود. این انتخاب به کمک طراحی آزمایشها و استفاده از تکنیک تحلیل واریانس انجام شده است. تغییرات در پارامترهایی چون تعداد نرونها در لایه مخفی ، نوع تابع تبدیل آنها، نحوه پیش پردازش داده ها و نحوه انتخاب داده های تست ساختارهای مختلف شبکه عصبی را تولید می کند. همچنین پس از تعیین بهترین ساختار شبکه عصبی عملکرد آن با نرو فازی مقایسه شده است. این مقایسه با استناد به خطای نسبی مدلها و از طریق یک آزمایش چند عاملی و استفاده از تکنیک تحلیل واریانس انجام شده است. در این پایان نامه علاوه بر دو مدل هوشمند شبکه عصبی و نروفازی استفاده از مدلهای سری زمانی نیز مد نظر قرار گرفته است. فرض ثابت بودن واریانس خطای تصادفی در مدل سری زمانی مورد آزمون قرار گرفته و بر اساس آن مدل مناسبی که امکان مدلسازی در مواقعی که واریانس خطای مدل ثابت نیست را فراهم می آورد. این مدل garch نام دارد. در ادامه عملکرد مدل garch با عملکرد روشهای هوش مصنوعی( شبکه عصبی و نروفازی) مقایسه شده است. نتیجه آنکه هر سه روش در تخمین مصارف روزانه برق در ایران عملکرد بسیار خوبی نشان داده اند، در پیش بینی مصارف روزانه برق استفاده از شبکه عصبی رجحان دارد ،همچنین استفاده از داده های ماهانه برای پیش بینی میان مدت با استفاده از شبکه عصبی نتایج خوبی داشته است . لذا برای انجام پیش بینی شبکه عصبی مناسب تشخیص داده شده است ، پیش بینی مصارف برق با هر سه روش انجام شده است. داده های مورد استفاده در این تحقیق مصارف روزانه برق در ایران از اول فروردین 1379 تا آخر شهریور 1389 بوده است.
منابع مشابه
مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
متن کاملپیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی
در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...
متن کاملپیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی
هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی...
متن کاملپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
متن کاملاستفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران
یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینهی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده صنایع
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023